字节跳动大数据面试SQL：每月销售额同比与环比

字节跳动电商数据分析岗的一道经典面试题，重点考察环比与同比的计算方法。别看知识点基础，但许多人在SQL面试中因LAG函数使用不熟练而失分。本文将对这道题目进行详细拆解与讲解，帮助你彻底掌握。

一、题目背景

本题源自字节跳动电商业务线的数据分析岗位面试。环比与同比是数据分析领域最基础的指标，然而在SQL面试环节，不少候选人因对LAG函数的运用不够熟练而出现失误。

二、题目

现有月度销售汇总表 t15_zj_monthly_sales，要求计算每个月的环比增长率与同比增长率。

t15_zj_monthly_sales 表

 ---------- --------
 |month     | sales|
 ---------- --------
 | 2024-01| 10000|
 | 2024-02| 12000|
 | 2024-03| 11000|
 | 2024-04| 13000|
 | 2024-05| 14000|
 | 2024-06| 15000|
 | 2024-07| 16000|
 | 2024-08| 15500|
 | 2024-09| 14500|
 | 2024-10| 15000|
 | 2024-11| 17000|
 | 2024-12| 20000|
 | 2025-01| 15000|
 | 2025-02| 18000|
 | 2025-03| 16000|
 ---------- --------

定义：

• 环比 (Month-over-Month) = (本月销售额 - 上月销售额) / 上月销售额 × 100%
• 同比 (Year-over-Year) = (本月销售额 - 去年同月销售额) / 去年同月销售额 × 100%

期望输出：每月销售额、环比增长率(%)、同比增长率(%)。

三、思路分析

计算环比时，可直接使用 LAG(sales, 1) 获取上一行（即上个月）的销售额，前提是数据已经按时间顺序排列。计算同比则需要 LAG(sales, 12) 获取12个月之前（即去年同月）的数据，但该方式依赖于月度数据连续排列——如果中间存在缺失月份，采用 LEFT JOIN 的方式会更加安全准确。

四、逐步推导

步骤1：计算环比

SELECT
  month,
  sales,
  LAG(sales, 1) OVER (ORDER BY month) AS prev_month_sales,
  ROUND((sales - LAG(sales, 1) OVER (ORDER BY month)) * 100.0 / LAG(sales, 1) OVER (ORDER BY month), 1) AS mom_pct
FROM t15_zj_monthly_sales
ORDER BY month;

 ---------- -------- ------------------- ----------
 |month     | sales| prev_month_sales   | mom_pct|
 ---------- -------- ------------------- ----------
 | 2024-01| 10000| NULL              | NULL   |
 | 2024-02| 12000| 10000             | 20.0   |
 | 2024-03| 11000| 12000             | -8.3   |
 | 2024-04| 13000| 11000             | 18.2   |
 | 2024-05| 14000| 13000             | 7.7    |
 | 2024-06| 15000| 14000             | 7.1    |
 | 2024-07| 16000| 15000             | 6.7    |
 | 2024-08| 15500| 16000             | -3.1   |
 | 2024-09| 14500| 15500             | -6.5   |
 | 2024-10| 15000| 14500             | 3.4    |
 | 2024-11| 17000| 15000             | 13.3   |
 | 2024-12| 20000| 17000             | 17.6   |
 | 2025-01| 15000| 20000             | -25.0  |
 | 2025-02| 18000| 15000             | 20.0   |
 | 2025-03| 16000| 18000             | -11.1  |
 ---------- -------- ------------------- ----------
 15 rows selected (0.905 seconds)

首行没有上月数据，因此环比为 NULL，符合业务逻辑预期。

步骤2：计算同比

SELECT
  month,
  sales,
  LAG(sales, 12) OVER (ORDER BY month) AS last_year_sales,
  ROUND((sales - LAG(sales, 12) OVER (ORDER BY month)) * 100.0 / LAG(sales, 12) OVER (ORDER BY month), 1) AS yoy_pct
FROM t15_zj_monthly_sales
ORDER BY month;

 ---------- -------- ------------------ ----------
 |month     | sales| last_year_sales   | yoy_pct|
 ---------- -------- ------------------ ----------
 | 2024-01| 10000| NULL            | NULL    |
 | 2024-02| 12000| NULL            | NULL    |
 | 2024-03| 11000| NULL            | NULL    |
 | 2024-04| 13000| NULL            | NULL    |
 | 2024-05| 14000| NULL            | NULL    |
 | 2024-06| 15000| NULL            | NULL    |
 | 2024-07| 16000| NULL            | NULL    |
 | 2024-08| 15500| NULL            | NULL    |
 | 2024-09| 14500| NULL            | NULL    |
 | 2024-10| 15000| NULL            | NULL    |
 | 2024-11| 17000| NULL            | NULL    |
 | 2024-12| 20000| NULL            | NULL    |
 | 2025-01| 15000| 10000           | 50.0    |
 | 2025-02| 18000| 12000           | 50.0    |
 | 2025-03| 16000| 11000           | 45.5    |
 ---------- -------- ------------------ ----------
 15 rows selected (0.267 seconds)

2024年的所有月份同比均为 NULL，因为不存在前一年的数据进行对比。进入2025年后，同比数据便正常显示出来。

步骤3：合并环比与同比

SELECT
  month,
  sales,
  ROUND((sales - LAG(sales, 1) OVER (ORDER BY month)) * 100.0 / LAG(sales, 1) OVER (ORDER BY month), 1) AS mom_pct,
  ROUND((sales - LAG(sales, 12) OVER (ORDER BY month)) * 100.0 / LAG(sales, 12) OVER (ORDER BY month), 1) AS yoy_pct
FROM t15_zj_monthly_sales
ORDER BY month;

 ---------- -------- ---------- ----------
 |month     | sales| mom_pct   | yoy_pct|
 ---------- -------- ---------- ----------
 | 2024-01| 10000| NULL      | NULL    |
 | 2024-02| 12000| 20.0      | NULL    |
 | 2024-03| 11000| -8.3      | NULL    |
 | 2024-04| 13000| 18.2      | NULL    |
 | 2024-05| 14000| 7.7       | NULL    |
 | 2024-06| 15000| 7.1       | NULL    |
 | 2024-07| 16000| 6.7       | NULL    |
 | 2024-08| 15500| -3.1      | NULL    |
 | 2024-09| 14500| -6.5      | NULL    |
 | 2024-10| 15000| 3.4       | NULL    |
 | 2024-11| 17000| 13.3      | NULL    |
 | 2024-12| 20000| 17.6      | NULL    |
 | 2025-01| 15000| -25.0     | 50.0    |
 | 2025-02| 18000| 20.0      | 50.0    |
 | 2025-03| 16000| -11.1     | 45.5    |
 ---------- -------- ---------- ----------
 15 rows selected (0.325 seconds)

2025年1月的同比增长高达50%（15000 vs 10000），增长非常明显。但环比方面，1月出现了较大幅度的下滑（-25%），反映出春节前后销售额的典型波动特征。

五、常见坑点

• 坑1：LAG 依赖排序
  如果表中的数据没有按照时间顺序排列，LAG 将取到随机行，导致计算结果完全错误。因此必须使用 ORDER BY month 确保正确排序。
• 坑2：缺失月份导致同比错位
  假设 2024-07 的数据缺失，那么对 2025-07 使用 LAG(sales, 12) 时会错误地取到 2024-06 的值，而不是 2024-07，同比结果完全偏移。数据存在缺失时，建议使用 LEFT JOIN 方案替代 LAG 函数。
• 坑3：分母为零
  如果上月的销售额为0，除法操作会直接报错。可以通过 NULLIF(LAG(sales) OVER w, 0) 进行容错处理，避免程序崩溃。

六、举一反三

• 累计同比：利用 SUM(sales) OVER (ORDER BY month ROWS BETWEEN 11 PRECEDING AND CURRENT ROW) 计算滚动12个月的累计销售额，了解年度整体趋势。
• 移动平均：通过 AVG(sales) OVER (ORDER BY month ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) 获取3个月移动平均值，有效平滑短期数据波动。

七、知识点总结

八、建表语句和数据插入

CREATE TABLE IF NOT EXISTS t15_zj_monthly_sales (
  month STRING,
  sales BIGINT
);

INSERT INTO t15_zj_monthly_sales VALUES
('2024-01',10000),
('2024-02',12000),
('2024-03',11000),
('2024-04',13000),
('2024-05',14000),
('2024-06',15000),
('2024-07',16000),
('2024-08',15500),
('2024-09',14500),
('2024-10',15000),
('2024-11',17000),
('2024-12',20000),
('2025-01',15000),
('2025-02',18000),
('2025-03',16000);